直接驱动XY平台全局快速Terminal滑模控制

针对永磁直线同步电机驱动XY平台系统的非线性、不确定性及轮廓误差模型复杂等问题,设计了基于等效误差法的全局快速Terminal滑模轮廓控制器.运用等效误差法建立容易计算的直接驱动XY平台非线性等效误差模型;采用全局快速Terminal滑模控制方法设计直接驱动XY平台轮廓控制器.该控制方法可以促使系统在有限时间内迅速收敛到平衡状态,同时能抑制负载扰动和参数不确定性对系统性能的影响.仿真结果表明,所设计的轮廓控制器使直接驱动XY平台具有了较高的轮廓加工精度和较强的鲁棒性.     

基于模糊扰动补偿的直接驱动XY平台轮廓控制

为了削弱永磁直线同步电机XY平台轮廓误差模型相对复杂、系统未知干扰多以及参数不确定对轮廓加工精度的影响,实现XY平台的高精度轮廓控制,在单轴控制器上设计了基于模糊控制方法及干扰观测器技术的模糊扰动补偿器,同时采用了适用于多轴非线性轮廓控制的实时轮廓误差算法,建立可用于自由曲线跟踪的XY平台实时轮廓误差模型.基于模糊扰动补偿器的控制系统能够较好地抑制外部扰动,同时有效地提高轮廓精度.仿真结果表明,所设计的控制系统具有较强的抗扰性和较高的轮廓精度.     

基于模糊CMAC神经网络的XY平台交叉耦合控制

针对永磁直线同步电机(PMLSM)驱动的XY平台系统的负载扰动、任意加工曲线轮廓误差模型复杂及双轴参数不匹配等会影响加工精度的问题,XY平台单轴采用了能反映人脑认知模糊性和连续性的模糊小脑模型关节控制器(FCMAC)设计速度控制器,在两轴之间采用实时轮廓误差估计模型和交叉耦合控制(CCC)进行轮廓控制器的设计,可同时减小跟踪误差和轮廓误差.FCMAC可准确及时地抑制负载扰动,交叉耦合控制削弱了双轴参数不匹配的影响.仿真结果表明,所设计的XY平台控制系统具有较高的轮廓精度和较强的鲁棒性.     

基于RBF神经滑模的XY平台迭代交叉耦合控制

永磁同步直线电机(PMLSM)直接驱动XY平台的轮廓加工精度会受负载扰动、双轴参数不匹配以及周期性轮廓误差的影响.针对这一问题,采用RBF神经滑模与迭代交叉耦合控制相结合的方式对两轴运动进行协调控制.设计RBF神经滑模控制器用以削弱负载扰动对加工系统的影响.采用实时轮廓误差法估算出轮廓误差模型,并且将轮廓误差作为控制器的输入,设计迭代交叉耦合控制器用以削弱双轴参数不匹配和周期性轮廓误差对加工性能的影响,实现跟踪误差与轮廓误差的同时减小.仿真结果表明,所设计控制系统具有较强的鲁棒性和较高的轮廓精度.     

直线电机XY平台交叉耦合迭代学习控制

针对直线电机XY平台进行周期性轮廓加工时产生的周期性轮廓误差,设计了将迭代学习控制与交叉耦合控制相结合的交叉耦合迭代学习控制器.利用实时轮廓误差估计模型估算出轮廓误差,通过迭代学习控制器削弱周期性轮廓误差,按交叉耦合增益的关系来分配X、Y轴的补偿量,实现对周期性轮廓误差的实时补偿.理论推导与仿真结果表明,该方案不仅有效减小了直线电机XY平台的轮廓误差,而且增强了系统的鲁棒性.     

基于实时位置补偿直接驱动XY平台轮廓控制

永磁直线同步电机驱动XY平台系统在跟踪自由曲线时轮廓精度会受轨迹时变性的影响,系统中存在的周期性扰动也会降低轮廓加工精度.针对上述问题,采用适用于多轴非线性轮廓控制的实时轮廓误差计算算法,建立可用于自由曲线跟踪的XY平台的实时轮廓误差模型.利用实时位置补偿与交叉耦合控制相结合的控制方法减小轮廓误差.单轴系统采用IP积分-比例控制与速度前馈控制相结合的复合控制器.理论推导与仿真结果表明,该方案能够有效地提高系统的轮廓精度,同时能较好地抑制系统周期性扰动的影响.     

直接驱动XY平台的零相位自适应鲁棒控制

为了提高直接驱动XY平台的跟踪性能,提出了将零相位误差跟踪控制器(ZPETC)与自适应鲁棒控制器(ARC)相结合的控制策略对跟踪误差进行控制,并且采用基于时间序列预测技术的轮廓误差实时补偿方法对两轴运动进行协调控制.ZPETC作为前馈跟踪控制器,可以有效提高系统带宽及跟踪性能,使位置能够无静差地跟踪二阶指令输入;ARC能够克服系统参数变化、负载扰动等不确定性,增强系统的稳定性与鲁棒性;采用基于时间序列预测技术的轮廓误差实时补偿方法能够动态控制插补过程,以有效减小轮廓误差.仿真结果表明,所提出的控制方案具有良好的跟踪性和鲁棒性,可以有效提高跟踪精度和轮廓精度.     

基于模型预测的迭代学习控制器设计

针对具有非重复性干扰项的重复操作过程,提出了基于模型预测的迭代学习控制算法。其中,迭代学习控制器以前馈形式作用于重复过程.算法在时间轴方向基于跟踪误差暂态模型,采用模型预测控制的反馈校正,来抑制当前随机干扰,提高系统的跟踪性能.在重复次序方向利用P型迭代学习控制克服重复干扰.仿真结果表明了该方法的有效性.     

基于遗传算法的直驱XY平台变增益交叉耦合控制

对于永磁直线同步电机驱动的XY平台,轮廓加工精度易受到系统动态非线性、不确定性因素以及曲线轨迹的轮廓误差模型相对复杂等问题的影响.为了削弱以上影响,实现XY平台的高精度轮廓跟踪控制,设计了变增益交叉耦合控制器来补偿X、Y轴的耦合误差,并采用遗传算法对其中的PID控制器参数进行寻优,利用基因突变的能力,避免其陷入局部最佳解,从而快速准确地找到全局最佳解,使得系统轮廓误差达到要求的精度范围.理论推导与仿真结果表明,所设计的控制系统能有效提高XY平台的轮廓加工精度.     

三轴运动平台改进型交叉耦合轮廓控制

为了削弱负载扰动及复杂轮廓误差模型对轮廓精度的影响,在单轴中采用比例控制作为位置环控制器,采用PDFF控制作为速度环控制器,以保证单轴跟踪精度.三轴间采用一种轮廓误差估算法来建立轮廓误差模型,运算更为简单.通过改进的交叉耦合控制结构进行轮廓控制器的设计,将轮廓误差的补偿量置于位置控制器前,能够实现跟踪误差与轮廓误差同时减小,以满足三轴运动平台的高精度加工要求.结果表明,改进后的三轴运动平台控制系统具有较高的轮廓精度和较强的抗扰性.     

永磁同步电机伺服系统自适应迭代学习控制

针对执行重复性任务的永磁同步电机伺服系统,由于参数摄动、随机扰动等不确定因素影响导致的跟踪精度下降,误差发散问题,提出一种自适应迭代学习控制方法.该方法在PD型反馈控制的基础上增加自适应迭代项对控制律中未知参数进行迭代学习,减少不确定因素对系统性能的影响.建立了含有不确定性扰动的系统模型和PMSM自适应迭代学习控制系统,并且基于Lyapunov稳定性理论,分析了该方案的收敛性.结果表明,与传统PD型ILC相比,该方法收敛速度更快,跟踪精度更高,可有效改善系统的性能.     

基于扰动观测器的机械臂阻抗复合控制研究

针对机械臂系统模型中存在未知扰动的问题,提出了基于扰动观测器的机械臂阻抗复合控制方法.针对二阶阻抗动态模型,采用由扰动观测器(DOB)、阻抗控制器和位置控制器构成的复合控制策略,其中扰动观测器用来估计机械臂模型中的未知扰动,阻抗控制器用于修正输入角度,位置控制器对修正后的角度进行跟踪控制.复合控制保证阻抗误差可以收敛到一个小的邻域,最终实现期望二阶阻抗模型的动态跟踪.仿真算例验证了该控制方法的有效性.     

基于H∞理论的滚珠丝杠进给系统滑模控制

针对滚珠丝杠进给系统的动态特性,建立参数不确定的数学模型. 为了消除参数不确定的影响,设计满足H∞性能的积分滑模控制器. 针对存在的未知干扰,设计指数干扰观测器进行补偿. 分析结果表明,本研究的控制方法具有L₂增益性能. 利用该方法在滚珠丝杠实验台上进行轨迹跟踪实验. 实验结果表明,当使用设计的控制器时,最大跟踪误差为16.85 μm;当使用设计的控制器加上指数干扰观测器时,最大跟踪误差为10.18 μm;在工作台增加25 kg质量块后,当使用设计的控制器加上干扰观测器时,最大跟踪误差为15.61 μm. 实验结果说明所设计的控制器具有较好的性能,并且干扰观测器能够提高控制精度. 与传统的比例-比例积分控制器的对比结果说明本研究的控制方法有较好的综合性能.